Prof. Björn Ommer leitet nach Stationen in Berkeley, Zürich und Heidelberg die Computer Vision & Learning Group der LMU München. Mit seinem neuronalen Netzwerk "stable diffusion" kann er aus Texten oder Skizzen Bilder erzeugen - so wie eine Websuche, die das erschafft, wonach wir suchen.
Wir sprechen mit Björn über die methodischen Ansätze und Herausforderungen von solch generativen Computermodellen wie GPT-3, DALL-E oder Stable Diffusion, die mit der Erzeugung von Texten und Bildern viele Branchen revolutionieren. Sie könnten in Zukunft ermöglichen, Inhalte individuell und ad hoc zu erzeugen: Wie wäre es mit einem Kinofilm, der sich live an die anpasst, die ihn gerade anschauen?
Bereits die heutigen Modelle sind spielerisches und kreatives Werkzeug für alle, stoßen aber noch an viele Grenzen - und "verstehen" nicht wirklich, was sie tun. Und sie werfen Fragen auf, wie mit der kreativen Leistung der Trainingsdaten, aber auch den vom Algorithmus erzeugten Bildern umzugehen ist. Björn gibt uns einen spannenden Einblick in einen Zweig der Digitalisierung, der exponentiell wächst und unseren Alltag verändern wird.